有没有比python中的networkx更有效的计算最短路径问题的方法？

Question

我正在使用 networkx 和 single_source_dijkstra 在加权图上计算从一个源到一个目标的最短路径。

但是，我遇到了内存问题。

有没有更有效的方法来计算这个？ Networkx 的替代品？ 看我的代码：

   cost, shortestpath = nx.single_source_dijkstra(graph, startpointcoords, secondptcoords,cutoff=10000000)

Answer 1

双向 dijkstra 算法应该会产生显着的改进。 这是文档。

一个很好的类比是在 3D 中：在 x 点放置一个气球，然后将其膨胀直到到达 y 点。 您放入的空气量与它们之间距离的立方成正比。 现在在每个点放一个气球，然后给它们充气直到它们接触。 合并的空气体积只有原来的1/4。 在更高的维度（更接近于大多数网络），还有更多的减少。

Answer 2

显然 networkx 的 A* 算法效率更高。 然后我使用我发布的 dijkstra 算法计算结果路径的长度。

Answer 3

也许尝试使用另一种算法？ 您的图形可能有太多顶点但很少有边，在这种情况下，您可以在 networkX 中使用 Bellman-Ford bellman_ford_path() 链接

另一种解决方案是使用另一个 python 包，例如这个问题的答案有不同的可能库。

最后一个解决方案是实现你自己的算法！ 也许是 Gabow 的算法，但您必须非常高效，例如将 numpy 与 numba 一起使用